用于超声实时腹部胎儿主动脉分析的时序卷积网络
计算机视觉与模式识别
2018-07-12 v1 机器学习
机器学习
摘要
超声序列的自动分析可大幅提升临床诊断效率。在本工作中，我们尝试自动化从超声图像测量胎儿腹部主动脉血管直径的艰巨任务。我们提出一种由三个模块组成的神经网络架构：用于提取图像特征的卷积层、用于增强视频帧间时间一致性并利用信号时间冗余的卷积门控循环单元（C-GRU），以及一种称为 \textit{CyclicLoss} 的正则化损失函数，用以施加关于观测信号周期性的先验知识。我们给出的实验证据表明，所提架构可达到显著优于先前方法的精度，将均方误差从 （state-of-art）平均降至 ，相对误差从 降至 。所提方法平均执行速度为 289 帧每秒，使其适用于实时临床应用。
引用
@article{arxiv.1807.04056,
title = {Temporal Convolution Networks for Real-Time Abdominal Fetal Aorta Analysis with Ultrasound},
author = {Nicolo' Savioli and Silvia Visentin and Erich Cosmi and Enrico Grisan and Pablo Lamata and Giovanni Montana},
journal= {arXiv preprint arXiv:1807.04056},
year = {2018}
}
备注
10 pages, 2 figures